下载文档原格式
计量经济学 总复习第一部分：统计基础知识均值的概念：通常人们所说的均值就是“平均数”，统计意义上的均值是“期望值”。
方差：变量的每个样本与均值的距离大小的概念。
标准差：对方差开根号就是标准差。
数学期望值与方差的数学性质总体方差： 1.常量aE （a ）=a 2σ(a)=0抽样方差： 2.变量 y=a+bxE(y)=a+bE(x)总体标准偏差： 2σ(y)=b^2 * 2σ(x)抽样标准偏差：假设检验的定义：事先做一个假设，然后再用统计方法来检验这个假设是否有统计意义。
假设检验的步骤：第一步，设定假设条件。
原定假设，H0:u=u0，和替代假设，Ha:u ≠u0。
第二步，决定用哪种检验， 如果n ≥30,用Z 检验，如果n<30, 用t 检验。
第三步，找出临界值， 根据给定的定义域的大小，即α=1%、α=5%、或 α=10% 从概率分布表中查出Zc 值，或tc 值。
第四步，计算统计值， 或者第五步，比较统计值与临界值而得出结论。
如果统计值的绝对值大于临界值，那么我们就否定原定假设； 如果统计值的绝对值小于临界值，那么我们就不能否定原定假设。
第二部分 最小二乘法最小二乘法的假设条件：（1） （2） （3） （4） （5） 文字解释：Nu x Ni ∑-=22)(σ1)(22--=∑n x xs ni2σσ=2s s =nux Z σ0*-=n s u x t 0*-=)(=X E i ε∞<=22,)(σσεi Var 0),(=j i Cov εε0),(=i i X Cov ε1),(±≠j i X X Cov(1)每个误差必须是随机的，其误差的期望值是零；(2)误差都是雷同的，其方差相等，同时其方差的变化量必须是有限的； (3)每个误差之间必须是相互独立的； (4)误差项与方程式中的自变量是无关的； (5)自变量之间无直接的线性关系。
通用最小二乘法的步骤：第一步：求出误差项：第二步：求误差的平方和最小。
计量经济学期末复习提纲（红色部分要注意）绝密!!计量经济学复习提纲第一章绪论一、计量经济学的含义二、计量经济学与其他学科的联系与区别三、计量经济学的内容体系四、计量经济学的研究步骤五、计量经济学的发展概况需要掌握的主要内容1.如何理解计量经济学？（研究对象、理论基础、与经济学的区别、所研究变量的特点）计量经济学是经济学的一个分支，（起因：对经济问题的定量研究名词：1926年弗瑞希仿造出“Biometrics” “Econometrics”标志：1930年成立计量经济学会 1933年创刊《Econometrica》说明：“计量经济学” “经济计量学”）“用数学方法探讨经济学可以从好几个方面着手，但任何一个方面都不能和计量经济学混为一谈。
计量经济学与经济统计学绝非一码事；它也不同于我们所说的一般经济理论，尽管经济理论大部分具有一定的数量特征；计量经济学也不应视为数学应用于经济学的同义语。
经验表明，统计学、经济理论和数学这三者对于真正了解现代经济生活的数量关系来说，都是必要的，但本身并非是充分条件。
三者结合起来，就是力量，这种结合便构成了计量经济学。
”2.狭义计量经济学研究的是具有因果关系的经济现象，用的是回归的分析方法。
3.计量经济学的建模步骤？一、理论模型的设计: 确定模型包含的变量;确定模型的数学形式;拟定模型中待估计参数的理论期望值区间二、样本数据的收集三、模型参数的估计四、模型的检验计量经济学模型成功的三要素 :理论,数据,方法,三者缺一不可.4.选择解释变量时需要注意的问题：（1）根据经济规律确定变量的数目（2）考虑数据的可得性（3）考虑所有入选变量的关系，要求各变量独立。
---否则会引起多重共线性5.如何确定模型的数学形式？（1）根据经济理论（2）画散点图（3）试模拟6.什么是时间序列数据？在不同时间点上收集到的数据，这类数据反映了某一事物、现象等随时间的变化状态或程度。
如我国国内生产总值从1949到2009的变化就是时间序列数据。
计量经济学复习资料一、引言计量经济学是研究经济现象的数量关系和经济变量之间相互影响的学科。
它通过运用统计学和数学方法，以实证的方式分析经济模型和数据，以期为经济理论的验证和决策制定提供科学依据。
计量经济学作为经济学的重要分支，在经济学领域里起着举足轻重的作用。
本文将为大家提供一个关于计量经济学的复习资料，以便大家更好地复习和理解这门学科。
二、计量经济学基础1. 理论基础：回顾计量经济学的理论基础，包括经济学中的基本原理、假设和模型，以及计量经济学方法的发展演变过程。
2. 计量经济学的基本概念：介绍计量经济学中的一些基本概念，如变量、参数、模型、数据等，帮助读者建立对计量经济学基础概念的理解和认知。
三、计量经济模型1. 线性回归模型：介绍线性回归模型的基本原理和假设，包括最小二乘估计法、截距项、解释变量的选择和回归结果的解释等。
2. 多元线性回归模型：介绍多元线性回归模型的基本原理、假设和参数估计方法，包括多重共线性、异方差和自相关等问题的处理方法。
3. 非线性回归模型：介绍非线性回归模型，如对数线性模型、二项式模型和估计方法等。
4. 时间序列模型：介绍时间序列模型的基本原理、假设和参数估计方法，包括平稳性、季节性和趋势性等问题的处理方法。
四、计量经济学常用方法1. 模型诊断：介绍计量经济学中的模型诊断方法，包括残差分析、异方差检验和自相关检验等。
2. 假设检验：介绍计量经济学中的假设检验方法，包括参数显著性检验、模型拟合优度检验和模型比较等。
3. 预测方法：介绍计量经济学中的预测方法，包括时间序列分析、回归分析和面板数据分析等。
4. 因果推断：介绍计量经济学中的因果推断方法，包括工具变量法、自然实验和计量分析的注意事项等。
五、计量经济学在实际应用中的案例研究1. 劳动经济学：介绍计量经济学在劳动经济学领域的实际应用，包括劳动力市场分析、教育回报率和人力资本投资等。
2. 金融经济学：介绍计量经济学在金融经济学领域的实际应用，包括资本市场分析、投资组合选择和风险管理等。
计量经济学讲义王维国讲授课程的性质计量经济学是一门由经济学、统计学和数学结合而成的交叉学科，从学科性质来看，计量经济学是一门应用经济学。
具体来说，计量经济学是在经济学理论指导下，借助于数学、统计学和计算机等方法和技术，研究具有随机特征的经济现象，目的在于揭示其发展变化规律。
课程教学目标计量经济学按其内容划分为理论计量经济学和应用计量经济学。
本课程采用多媒体教学手段，结合Eviews软件应用，讲解理论计量经济学的最基本内容。
本课程教学目标：一是使学生了解现实经济世界中可能存在的计量经济问题，掌握检测及解决计量经济问题的方法和技术；二是使学生能够在计算机软件辅助下，建立计量经济模型，为其他专业课的学习及对经济问题进行实证分析研究奠定基础。
课程适用的专业与年级本大纲适用于数量经济专业2001级计量经济学课程的教学。
课程的总学时和总学分课程总学时为72，共计4学分。
本课程与其他课程的联系与分工学习本课程需要学生具备概率论与数理统计、微积分、线性代数、Excel、微观经济学、宏观经济学、经济统计等学科知识。
概率论与数理统计等数学课是计量经济学的方法论基础，计量经济学主要解决的是实际中不满足数理统计假定时经济变量之间关系及经济变量发展变化规律分析方法和技术，而经济学为计量经济学提供经济理论的准备，它仅就经济变量之间的关系提出一些理论假设，而不进行实证分析，只有具备了计量经济学的基本知识才能更好地解决一些实际问题。
课程使用的教材及教学参考资料使用的教材：计量经济学(Basic Econometrics) 第三版，[美]古扎拉蒂(DamodarN.Gujarati) 著，林少宫译，中国人民大学2000年3月第1版。
该教材畅销美国，并流行于英国及其他英语国家。
该书充分考虑了学科发展的前沿，十分重视基础知识的教学及训练，内容深入浅出。
教学参考资料：1. 王维国，《计量经济学》，东北财经大学2001.2.Aaron C. Johnson, Econometrics Basic and Applied学时分配表第一讲引言：经济计量学的特征及研究X围第一节什么是计量经济学一、计量经济学的来源二、计量经济学的定义计量经济学几种定义。
计量经济学复习资料一、虚拟变量：（20分）（给出实际经济问题，根据目标设计虚拟变量，写出模型。
考察一种群体异质。
完整考察如何设计，如何运用到模型中。
）注意事项：（1）注意虚拟变量陷阱是指一般在引入虚拟变量时要求如果有m个定性变量，在模型中引入m-1个虚拟变量。
否则，如果引入m个虚拟变量，就会导致模型解释变量间出现完全共线性的情况。
我们一般称由于引入虚拟变量个数与定性因素个数相同出现的模型无法估计的问题，称为"虚拟变量陷阱"。
（2）虚拟变量的应用分为两种情况：虚拟变量做解释变量和虚拟变量做被解释变量（定性相应模型）。
（3）要掌握虚拟变量引入模型的三种方法，即加法模型、乘法模型和既加又乘模型。
1、举例说明如何引进加法模式、乘法模式和既加且乘模型建立虚拟变量模型。
答案：设Y为个人消费支出；X表示可支配收入，定义（1）如果设定模型为虚拟变量单独做解释变量，此时模型仅影响截距项，差异表现为截距项的和，因此也称为加法模型。
（2）如果设定模型为tt t t t t t u X D B X D B X D B B Yt ++++=4433221虚拟变量与一个数值变量相乘后做解释变量，此时模型仅影响斜率，差异表现为截距项的和，因此也称为乘法模型。
（3）如果设定模型为此时模型不仅影响截距项，而且还影响斜率项。
差异表现为截距和斜率的双重变化，因此也称为既加且乘模型。
例题1 考虑下面的模型：其中，Y表示大学教师的年薪收入，X表示工龄。
为了研究大学教师的年薪是否受到性别、学历的影响。
按照下面的方式引入虚拟变量：（10分）1. 基准类是什么？2. 解释各系数所代表的含义，并预期各系数的符号。
3. 若B4>B3，你得出什么结论？答案：（1）基准类是本科学历的女教师。
（2）B0表示刚参加工作的本科学历女教师的收入，所以B0的符号为正。
B1表示在其他条件不变时，工龄变化一个单位所引起的收入的变化，所以B1的符号为正。
单一方程模型一般描述的是单向因果关系，即解释变量引起被解释变量变化。
当两个变量之间存在双向因果关系时，用单一方程模型就不能完整的描述这两个变量之间的关系。
另外，对于一个比较复杂的经济系统而言，只用单一方程模型进行描述显然是不全面的。
例如，为某一地区的经济运行状况建立计量经济模型，要涉及工业、农业生产，基本建设投资，失业率，商品销售，居民生活等各个方面。
这时应该用多个方程的组合形式来描述整个经济系统。
从而引出联立方程模型的概念。
本章包括以下几小节：联立方程模型的概念联立方程模型的分类联立方程模型的识别联立方程模型的估计方法联立方程模型举例第一节联立方程模型的概念1 联立方程模型的概念联立方程模型就是描述经济变量间联立依存性的方程体系。
一个经济变量在某个方程中可能是被解释变量，而在另一个方程中却是解释变量。
在介绍联立方程模型之前，首先给出如下定义。
（1）内生变量：由模型内变量所决定的变量称作内生变量。
（2）外生变量：由模型外变量所决定的变量称作外生变量。
（3）前定变量：外生变量、外生滞后变量、内生滞后变量统称为前定变量。
注意，联立方程模型必须是完整的。
所谓完整即是指联立方程模型内的方程个数应该大于或等于内生变量个数。
否则联立方程模型无法估计。
下面介绍联立方程模型的分类。
第二节联立方程模型的分类联立方程模型可以分为三种类型，即结构模型，简化型模型和递归模型。
下面分别给予介绍。
1 结构模型把内生变量表达为其他内生变量、前定变量与随机误差项的联立方程模型称作结构模型。
例如有如下简单的凯恩斯模型C t = α0 +α1 Y t + u1t(9.1)I t = β0 + β1 Y t + β2 Y t-1 + u2t(9.2)Y t = C t + I t+ G t(9.3)其中，C t为宏观消费；Y t为国民收入；I t为投资；G t表示政府支出。
(9.1)式是消费函数。
(9.2) 式是投资函数。
(9.3) 式是国民收入恒等式。
计量经济学复习笔记CH1导论1、计量经济学：以经济理论和经济数据的事实为依据，运用数学、统计学的方法，通过建立数学模型来研究经济数量关系和规律的一门经济学科。
研究主体是经济现象及其发展变化的规律。
2、运用计量分析研究步骤：模型设定一一确定变量和数学关系式估计参数一一分析变量间具体的数量关系模型检验一一检验所得结论的可靠性模型应用一一做经济分析和经济预测3、模型变量：解释变量：表示被解释变量变动原因的变量，也称自变量，回归元。
被解释变量：表示分析研究的对象，变动结果的变量，也成应变量。
内生变量：其数值由模型所决定的变量，是模型求解的结果。
外生变量：其数值由模型意外决定的变量。
外生变量数值的变化能够影响内生变量的变化，而内生变量却不能反过来影响外生变量。
前定内生变量：过去时期的、滞后的或更大范围的内生变量，不受本模型研究范围的内生变量的影响, 但能够影响我们所研究的本期的内生变量。
前定变量：前定内生变量和外生变量的总称。
数据:时间序列数据：按照时间先后排列的统计数据。
截面数据：发生在同一时间截面上的调查数据。
面板数据：虚拟变量数据：表征政策，条件等，一般取0或1.4、估计评价统计性质的标准无偏：E （人3 ）= 3 随机变量，变量的函数？有效：最小方差性一致：N趋近无穷时，3估计越来越接近真实值5、检验经济意义检验：所估计的模型与经济理论是否相等统计推断检验：检验参数估计值是否抽样的偶然结果，是否显著计量经济检验：是否符合计量经济方法的基本假定预测检验：将模型预测的结果与经济运行的实际对比CH2 CH3线性回归模型模型（假设）一一估计参数一一检验一一拟合优度一一预测1、模型（线性）（1）关于参数的线性模型就变量而言是线性的；模型就参数而言是线性的。
Yi = 3 1+ 3 2lnX i+u线性影响随机影响Y i=E (Y|X i) +u E (Y|X i) =f(X i)= 3 1+3 2lnX 引入随机扰动项，（3）古典假设A零均值假定 E ( U i |X i) =0B同方差假定Var(u i|XJ=E(u i2)=2(TC无自相关假定Cov(u i ,u j)=0D随机扰动项与解释变量不相关假定Cov(u i ,X i )=0E正态性假定u~N(0, d 2)F无多重共线性假定Rank(X)=k2、估计在古典假设下，经典框架，可以使用OLS方法：OLS 寻找min Ee i2人B iois = (Y均值)-人B 2(X均值)人B 2ois = Ex i y〃Ex i23、性质OLS回归线性质(数值性质)(1)回归线通过样本均值(X均值,Y均值)(2)估计值人Y的均值等于实际值Y的均值(3)剩余项e i的均值为0(4)被解释变量估计值人Y与剩余项8不相关Cov(人Y,ej=0(5)解释变量X与剩余项8不相关Cov(e i,X i)=0在古典假设下，OLS的统计性质是BLUE统计最佳线性无偏估计4、检验(1) Z检验Ho: B 2=0原假设验证B 2是否显著不为0标准化：Z= (A B 2- B 2) /SE (A B 2)〜N( 0,1 ) 在方差已知，样本充分大用Z检验拒绝域在两侧，跟临界值判断，是否B2显著不为0(2) t检验一一回归系数的假设性检验方差未知，用方差估计量代替 A d 2=Ee i2/(n-k) 重点记忆t =(人卩2- B 2) / A SE (A B 2)〜t (n-2)拒绝域：|t|>=t 2/a( n-2)拒绝，认为对应解释变量对被解释变量有显著影响。
东北财经大学经济学考研知识框架整理每个人都更在乎别人怎么看待自己，很少有人专注于评价别人。
所以无须猜测别人对自己的看法，因为别人其实更关心你对他们的看法。
凯程东北财经大学经济学老师给大家详细讲解。
凯程就是王牌的经济学考研机构！一、东北财经大学经济学考研的一些学习方法解读“磨刀不误砍柴工”，好的学习方法可以使学习事半功倍，下面凯程考研为广大考生整理东北财经大学经济学考研知识和理解方法。
（一）参考书的阅读方法（1）目录法：先通读各本参考书的目录，对于知识体系有着初步了解，了解书的内在逻辑结构，然后再去深入研读书的内容。
（2）体系法：为自己所学的知识建立起框架，否则知识内容浩繁，容易遗忘，最好能够闭上眼睛的时候，眼前出现完整的知识体系。
（3）问题法：将自己所学的知识总结成问题写出来，每章的主标题和副标题都是很好的出题素材。
尽可能把所有的知识要点都能够整理成问题。
（二）学习笔记的整理方法（1）第一遍学习教材的时候，做笔记主要是归纳主要内容，最好可以整理出知识框架记到笔记本上，同时记下重要知识点，如假设条件，公式，结论，缺陷等。
记笔记的过程可以强迫自己对所学内容进行整理，并用自己的语言表达出来，有效地加深印象。
第一遍学习记笔记的工作量较大可能影响复习进度，但是切记第一遍学习要夯实基础，不能一味地追求速度。
第一遍要以稳、细为主，而记笔记能够帮助考生有效地达到以上两个要求。
并且在后期逐步脱离教材以后，笔记是一个很方便携带的知识宝典，可以方便随时查阅相关的知识点。
（2）第一遍的学习笔记和书本知识比较相近，且以基本知识点为主。
第二遍学习的时候可以结合第一遍的笔记查漏补缺，记下自己生疏的或者是任何觉得重要的知识点。
再到后期做题的时候注意记下典型题目和错题。
（3）做笔记要注意分类和编排，便于查询。
可以在不同的阶段使用大小合适的不同的笔记本。
也可以使用统一的笔记本但是要注意各项内容不要混杂在以前，不利于以后的查阅。
同时注意编好页码等序号。
计量经济学复习重点一、1、列举计量经济分析过程的几个要素：1、数据；2、计量模型。
3、解释变量；4、被解释变量；5、相关影响。
2、计量经济分析过程基本围绕着四类值。
例如要预测一个硬币被抛1000次出现正面的次数，第一步: 从理论上研究，出现正面的概率是1/2, 这个概率是真值；第二步：做实验，例如抛硬币100次，观察出现正面的次数，那么这个次数为观察值；第三步：估计概率，用观察的次数除以100作为概率的估计值；第四步：用估计的概率乘以1000作为硬币被抛1000次出现正面的预测值。
3、估计量一般都采用哪三种评选标准：1、无偏性；2、有效性；3、一致性.4、无偏估计量的概念：若估计量的数学期望存在且等于其对应真值，即()E θθ=。
4估计量的有效性：设1θ与2θ均为θ的无偏估计量，若对于任意θ，有1θ的方差小于等于2θ的方差，则1θ较2θ有效。
5、列举计量经济分析的三种数据类型：1、横截面数据；2、时间序列数据；3、面板数据。
6、虚拟变量即一种二值变量，是对解释变量的一种定性描述。
二、：1、简述多元线性回归中('i i i y x βε=+)的高斯-马科夫假设（Gauss – Markov assumption ）?若要求得到无偏估计量需满足其中的哪（些）项？112{}0,1,2,...,{,...,}{,...,}{}1,2,...,{,}0i N N i i j E i N x x V i NCov εεεεσεε=====与相互独立，若想得到无偏估计量，需满足{}0,1,2,...,i E i N ε==，和11{,...,}{,...,}N N x x εε与相互独立 某种元件的寿命X(以小时计)服从正态分布N(),均未知.现测得16只元件的寿命如下(已知 t 0.05(15) =1.7531) :159 280 101 212 224 379 179 264222 362 168 250 149 260 485 170 问是否有理由认为元件的平均寿命大于225(小时)?2：解 按题意需检验: =225, :取a =0.05.此检验问题的拒绝域为t=t a (n-1).现在n=16, t 0.05(15) =1.7531.又根据 ,s=算得 =241.5, s=98.7259,即有 t ==0.66851.7531.t没有落在拒绝域中,故接受,即认为元件的平均寿命不大于225小时.3、在平炉上进行一项试验以确定改变操作方法的建议是否会增加钢的得率,试验是在同一只平炉上进行的,每炼一炉钢时除操作方法外,其他条件都尽可能做到相同.先用标准方法炼一炉,然后用建议的方法炼一炉,以后交替进行,各炼成了10炉,其得率分别为(1) 标准方法 78.1 72.4 76.2 74.3 77.4 78.476.0 75.5 76.7 77.3(2) 新方法 79.1 81.0 77.3 79.1 80.0 79.179.1 77.3 80.2 82.1设这两个样本相互独立,且分别来自正态总体N()和N(),,均未知.问建议的新操作方法能否提高得率?(取 a=0.05,已知 t0.05(18)=1.7341)3：解需要检验假设: -0,: -0分别求出标准方法和新方法下的样本均值和样本方差如下:根据 ,s==10, =76.23, =3.325,根据,s= =10, =79.43, =2.225.又,==2.775, t 0.05(18)=1.7341, 故拒绝域为 t =-t 0.05(18)=-1.7341.现在由于样本观察值t = -4.295-1.7341,所以拒绝,即认为建议的新操作方法较原来的方法为优.4、时间序列过程t Y 为平稳过程需要满足哪些条件？若121.20.32t t t t Y Y Y ε--=-+，试问这个过程是一个平稳过程吗？解：平稳过程需满足三个条件：1、{}t E Y μ=，期望为有限常数与时间t 无关。
计量经济学复习资料一、虚拟变量：（20 分）（给出实际经济问题，根据目标设计虚拟变量，写出模型。
考察一种群体异质。
完整考察如何设计，如何运用到模型中。
）注意事项：（1）注意虚拟变量陷阱是指一般在引入虚拟变量时要求如果有m个定性变量，在模型中引入m-1个虚拟变量。
否则，如果引入m个虚拟变量，就会导致模型解释变量间出现完全共线性的情况。
我们一般称由于引入虚拟变量个数与定性因素个数相同出现的模型无法估计的问题，称为" 虚拟变量陷阱"。
（2）虚拟变量的应用分为两种情况：虚拟变量做解释变量和虚拟变量做被解释变量（定性相应模型）。
（3）要掌握虚拟变量引入模型的三种方法，即加法模型、乘法模型和既加又乘模型。
1、举例说明如何引进加法模式、乘法模式和既加且乘模型建立虚拟变量模型。
答案：设Y 为个人消费支出；X 表示可支配收入，定义1 ）如果设定模型为虚拟变量单独做解释变量，此时模型仅影响截距项，差异表现为截距项的和，因此也称为加法模型。
（2）如果设定模型为Yt B1 B2D2t X t B3D3t X t B4D4t X t u t 虚拟变量与一个数值变量相乘后做解释变量，此时模型仅影响斜率，差异表现为截距项的和，因此也称为乘法模型。
（3）如果设定模型为此时模型不仅影响截距项，而且还影响斜率项。
差异表现为截距和斜率的双重变化，因此也称为既加且乘模型。
例题1考虑下面的模型：其中，Y表示大学教师的年薪收入，X 表示工龄。
为了研究大学教师的年薪是否受到性别、学历的影响。
按照下面的方式引入虚拟变量：（10 分）1. 基准类是什么？2. 解释各系数所代表的含义，并预期各系数的符号3. 若B4>B3 ，你得出什么结论？答案：（1 ）基准类是本科学历的女教师。
2）B0 表示刚参加工作的本科学历女教师的收入，所以B0 的符号为正。
B1 表示在其他条件不变时，工龄变化一个单位所引起的收入的变化，所以B1 的符号为正。
B2表示男教师与女教师的工资差异，所以B2的符号为正。
B3 表示硕士学历与本科学历对工资收入的影响，所以B3 的符号为正。
B4 表示博士学历与本科学历对工资收入的影响，所以B4 的符号为正。
（3）若B4>B3，说明博士学历的大学教师比硕士学历的大学教师收入要高。
例题2性别因素可能对年薪和工龄之间的关系产生影响。
式，并设定出相应的计量经济模型。
性别因素可能对年薪和工龄之间的关系的影响有三种方式。
第一种，性别只影响职工的初始年薪，设定模型为：第二种八性另咽素影响职工的扣薪机会，设定模型为；} j = & + ;+ u.第三神，性别因素既影响职工的初始年藕也影响加薪机会5^ = &+号1之^斗产匕+场耳+取（试问这种影响可能有几种形（汾）模型设定为:例题3 考虑下面的模型：其中，Y——MBA 毕业生收入，X ——工龄。
所有毕业生均来自清华大学，东北财经大学，沈阳工业大学。
（1）基准类是什么？基准类是东北财经大学MBA毕业生。
你预期各系数的符号如何？预期B1 的符号为正；B2 的符号为正；B3 的符号为负。
（1）如何解释截距B2、B3 ?截距B2反应了清华大学MBA毕业生相对于东北财经大学MBA毕业生收入的差别；截距B3反应了沈阳工业大学MBA毕业生相对于东北财经大学MBA 毕业生收入的差别。
）（2）若B2>B3 ，你得出什么结论？（3）如果B2>B3，我们可以判断清华大学MBA毕业生的收入平均高于沈阳工业大学MBA 毕业生的收入。
二、异方差和自相关问题（25 分）（一）异方差问题模型，如果出现，对于不同的样本点，随机扰动项的方差不再是常数，而且互不相同，则认为出现了异方差。
在现实经济中，异方差性经常出现，尤其是采用截面数据作样本的计量经济学问题。
例如：工业企业的研究与发展费用支出同企业的销售和利润之间关系的函数模型；服装需求量与季节、收入之间关系的函数模型；个人储蓄与个人可支配收入之间关系的函数模型等。
检验异方差的主要思路就是检验随机扰动项的方差与解释变量观察值的某种函数形式之间是否存在相关性。
1. 异方差的三大后果：一是最小二乘估计不再是有效估计量，最小二乘法做出的估计量是无偏、线性但不是有效估计量；二是相关参数的t 检验、模型F 检验失效；三是估计量的方差是有偏的，参数或因变量预测的置信区间的估计精度下降（甚至这种区间估计是失效的）。
2、异方差的检验识别：异方差的产生机制：截面数据的异方差是由解释变量决定的，因此要找到解释变量与残差方差之间的函数关系，即2i g（x i）White 检验的具体步骤如下。
以二元回归模型为例，y t = 0 + 1 x t1+ 2 x t2+ u t （1）①首先对上式进行OLS 估计参数，求残差u?t 。
②做如下辅助回归式，（包括截距项、一次项、平方项、交叉项）22 2 u?t = 0 + 1 x t1 + 2 x t2 +3 x t12 +4 x t22 +5 x t1 x t2 + v t （2）即用u?t 2对原回归式（1）中的各解释变量、解释变量的平方项、交叉积项进行OLS 回归。
求辅助回归式（2）的拟合系数R2。
③White 检验的零假设和备择假设是H0: （1）式中的u t 不存在异方差，H1: （1）式中的u t 存在异方差④在不存在异方差假设条件下构造LM 统计量2 2LM= n R 2 2（5）其中n 表示样本容量，R 2是辅助回归式（2）的OLS 估计式的拟合系数。
nR 2属于LM 统计量。
⑤ 判别规则是若n R 22（5）,接受H 0（ u t 具有同方差）若nR 2 > 2 （5）,拒绝H 0（u t 具有异方差）说明：（1）White 检验本质上是一个大样本检验，如果实证样本较少（ 100-300），由于nR 2渐进服从2分布，White 检验的可信度不佳，计量经济学暂时没有好办法； （2）在多元回归中，为了节省自由度， white 检验可以省略交叉项，当之间时省略交叉项。
模型变换控制异方差。
WLS 的思想:I 1丨| n |对角阵21注：（1）由于i 仅仅是COV （ Q 的估计，因此用进行加权，可能加权后依然存I i l在异方差，此时继续做二次加权；（2）对于界面数据频发的异方差，且 var （ i ）= 2i 已知时同方差： ols 等价于 WLSx>4、n 在(100-300)3、异方差的消除（WLS :加权最小二乘估计） 由于异方差使 OLS 被破坏，不是有效估计量，因此使用WLS 。
加权最小二乘法是通过假设回归方程Y 01X ii var( i )=2i 已知记W j同乘以方程两边,W i Y i W i 0iW i X i W i i记作YW i1X ii — var(i丄 var(ii） 1异方差消除因此对上式进行OLS 估计0和 1 是 BLUE 。
如果2i 未知（通常情况下,2i 都是未知的，此时用1i 进行估计，用进行加权）I i |异方差： WLS 好于 OLS 故可以直接用 WLS （但是不推荐） 最好先用 OLS 估计，计算如果存在异方差，再用 WLS（二）自相关问题 残差相关问题1. 定义：经典回归假设中 i 是一个白噪声，即残差时零均值、同方差和无序列相关的。
如果 cov （i , j） 0，即残差相关。
2. 产生原因线性回归模型中随机误差项存在序列相关的原因很多， 但主要是经济变量自身特点、 据特点、变量选择及模型函数形式选择引起的。
（1）经济变量惯性的作用引起随机误差项自相关 （2）经济行为的滞后性引起随机误差项自相关（3） —些随机因素的干扰或影响引起随机误差项自相关 （4） 模型设定误差引起随机误差项自相关 （5） 观测数据处理引起随机误差项序列相关3. 产生的影响（与异方差相似）（1）最小二乘估计不再是有效估计量，最小二乘法做出的估计量是无偏、线性但不是有效估计量;DW 值在0-4之间 刻画自相关的程度德斌沃森用穷举法计算了不同的N 与解释变量X 下DW 统计量的两个临界值（D L 和D u ）细节见附录表格DW 检验法的缺陷：（1） DW 只刻画了 t 和t-1之间的关系，仅适用于一阶自相关，忽视了 t 和t-2这种跳跃式的结构；（2） DW 对模型形式本身有要求，要求原始方程必须含 有截距项，模型中不能含有之后被解释变量 Yt-1 （因变量之后刻画刚性，例如投资；工具变量经常引入因变量的滞后变量；政策分期效应）DW 的优点：在小样本情况下， DW 检验比较可靠。
进行显著性检验（2）相关参数的方差失真，导致相关参数的 4.残差相关的生成机制（时序数据） 时序数据的自相关（结果）受到上一期建立P 阶自回归模型 t 1t1 时序数据有顺序，用时序刻画因果5.自相关的识别（1） DW 检验德斌沃森检验构造一个DW 统计量:t ~2~ t21)t 检验失效；t-1（原因）的影响3 t 3p t p e t2（1-r tt1）样本的相关系数（2） LM 检验 拉格朗日乘数检验（针对DW 的缺点提出）重点 思想:①用OLS 估计原模型的参数，得到②用t 做一个辅助回归 假定t 存在P 阶自相关p p 1代入原模型中得到 Y t 01X t ( 1 t1 2 t2③假设H 0: 12p 0p p 1) eT R 服从（2）的分布其中T 代表样本容量R2是辅助回归的拟合优度问题：P的确定，制定的阶数P只需要比真实的阶数高就可以了小样本（500以内）P=4大样本（大于500）P=6关于LM检验有点：适用于各种自相关（高阶），对模型无限制；LM本质上是一个大样本检验，n 绩效的时候，LM检验的势偏高。
此时用DW。
6.自相关的修正GLS广义最小二乘法思想：原回归模型：Y1X t t假设存在一阶自相关t 1 t 1 e t(1) Y t 01X t t( 2)Y 1 01X t 1 t 1(1) - (2)得Y t Y t 1 (1 ) 0 1(X t X t 1)X t 1 t 变换为Y；* 0*1X t e满足经典假设用OLS估计—*11注：1.自相关阶数P的确定（推荐试错法）用试错法，先做一个一阶差分，判断拟差分后的方程是否存在自相关，若存在自相关，做二姐拟差分，再验证是否存在自相关……2. 系相关系数的确定（迭代的思想）（1）用OLS估计原模型参数，进而得到了 ;（2）做一个P阶自回归，t⑴1 t1 2 t 2 p p 2 e t=（3）用OLS做估计得到⑴（4）用做GLS估计GLS后的方程，得到—代入原方程，计算t（2）（5）重复（2）—（4），直到前后两次得到高度接近，| （k）（k °| 0.005、定性相应模型（LPM模型Logit模型Probit模型）定性响应模型是虚拟变量做被解释变量的情形。
